한-노 기계 번역, 어디까지 왔나?: Google과 Papago 번역 성능 비교를 기반으로

한현희

doi:10.38077/KJRLL.2020.09.32.3.63

추천

검색

질문

자료유형: 학술저널

저자정보: 한현희 (한국외국어대학교)

저널정보: 한국노어노문학회 노어노문학 노어노문학 제32권 제3호

발행연도: 2020.9

수록면: 63 - 93 (31page)

DOI: 10.38077/KJRLL.2020.09.32.3.63

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 한-노 기계번역의 성능 현황을 점검하고, 품질 저하의 원인을 찾아 개선 및 활용 방안을 모색하는 것을 목적으로 한다. 이를 위해 매뉴얼과 기사문에 대한 구글과 파파고의 한-노 번역 결과물을 비교 분석하였으며, 결과는 다음과 같다.
1) 자동평가 결과 기계 번역문의 품질이 매우 낮았다. 구글과 파파고 모두 매뉴얼의 번역 수준이 높았으나, 구글이 파파고보다 성능이 우세한 것으로 드러났다. 2) 인간 평가 결과 구글이 파파고에 비해 성능이 월등하게 높았으며, 특히 매뉴얼에서 품질 편차가 크게 드러났다. 3) 매뉴얼에서 구글이 파파고에 비해 오류 비중이 낮았으나, 기사문에서는 큰 차이가 드러나지 않았다. 구글과 파파고의 주요 오류 유형은 맥락, 고유명사, 일반 어휘의 오류였다. 4) 원문의 문장 길이와 기계번역문의 품질이 반비례함을 확인하였다.
이상의 분석 결과가 시사하는 바는 다음과 같다.
1) 한-노 기계번역의 수준 상 구글을 활용한 매뉴얼 텍스트에 대한 활용 가능성이 높다. 2) 파파고를 사용할 경우 안정적인 번역 산출을 위해서 한국어 원문을 단순하고 간결하게 교정하는 프리에디팅 작업이 필요하다. 3）구글은 한국 문화 관련 병렬데이터 확보가 필요하며, 파파고는 한국 문화에 대한 번역 성능을 특화시킬 필요가 있다. ４）기계번역 성능에 대한 평가는 자동평가와 인간평가가 병행되어야 하며, 평가 방식의 다양성 확보와 지속적인 검증이 필요하다.

This research aims to take a review of the current status of the development of Korean-Russian Machine translation. It also attempts to reveal its possible problems that could lower the translation performance and suggest the solutions for them. For this purpose, it compares the outcomes of Korean-Russian translations of news articles and manual documents done by Google and Papago. The following results are discovered.
1) The result of the machine-evaluation shows very low qualities of translated sentences. The translations of manual documents have better qualities in both cases of Google and Papago, but google shows a better performance than Papago. 2) According to the human-evaluation, the quality of machine translation done by Google turns out to be much better than that of Papago, and the difference in their performances is much greater in the translations of manual documents. 3)　Google translations contain fewer errors than Papago’s in the case of manual documents while no significant difference in error rate in the case of news article translations. The major types of errors produced by both are involved with their translatability of contexts, proper nouns, and ordinary lexicons. 4)　There is an inverse proportional relationship between the lengths of source text and the qualities of machine translations.
From the above findings, the following implications could be derived.
1) The Korean-Russian machine translations of manual documents done by Google have higher usefulness. 2) To draw a reliable outcome from Papago, the Korean source texts should be pre-edited to make them simple and concise prior to using them as the inputs for Papago. 3) Google needs to collect more parallel data about Korean culture while Papago needs to specialize more in Korean culture. 4) Both machine- and human-evaluation methods should be employed together for assessing the performance of machine translation.

#기계번역 #구글 #파파고 #한-노 번역 #번역 성능 #Machine Translation #Google #Papago #Korean-Russian Translation #Translation Performance

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

한현희

소속기관 경희대학교

주요연구분야 인문학 > 어문학 > 기타 어문학 TOP 5% 사회과학 > 지리학 > 지역학

논문수 24 이용수 3,393

이 논문과 함께 이용한 논문

현대 러시아 젊은 세대의 ‘슬랭’ 연구

김성완 노어노문학 2021 .12

2018년 인공지능번역기의 중한 번역 현황 : 구글과 파파고 번역을 중심으로

권도경 , 김정수 , 문수정 외 1명 한국중어중문학회 학술대회 자료집 2018 .11

기계번역 포스트에디팅에 관한 해외 연구 동향

신지선 번역학연구 2020 .10

번역자동평가에서 풀리지 않은 과제

김보영 , 김연주 , 서승희 외 7명 번역학연구 2020 .03

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-892-001300661

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)